Используем DVC для версионирования данных // Демо-занятие курса «MLOps»

Почему эта тема важна: - Контроль версий данных – без него невозможно воспроизвести эксперименты или откатиться к предыдущим датасетам. - Совместная работа – DVC помогает командам синхронизировать данные и модели, избегая хаоса в репозиториях. - Эффективное хранение – большие файлы (датасеты, модели) хранятся отдельно от кода, но остаются связанными через Git. 📍 Программа вебинара: - Знакомство с DVC – как инструментом для версионирования данных и моделей в ML-проектах. - Работа с хранилищами – настройка S3 / удалённых storage для хранения артефактов. - DVC Pipelines – создание воспроизводимых конвейеров для обучения и оценки моделей. 👥 Кому будет полезен вебинар? - Data Scientists – кто хочет научиться управлять версиями данных и моделей в продакшене. - Data Engineers – кому важно организовать надёжное хранение и синхронизацию данных. - ML-инженеры – кто решает проблемы воспроизводимости экспериментов и деплоя моделей. ✅ В результате вебинара вы: - Настроите DVC в Git-репозитории и подключите внешнее хранилище (например, S3). - Научитесь переключаться между версиями датасетов и моделей. - Сможете создавать воспроизводимые пайплайны для обучения ML-моделей. Вебинар проходит в преддверии старта курса «MLOps» «MLOps» - https://otus.pw/Ksqo/ Преподаватель: Игорь Стурейко - Более 15 лет занимался прикладной математикой и мат. моделированием Пройдите опрос по итогам мероприятия - https://otus.pw/K3tt/ Следите за новостями проекта: - Telegram: https://t.me/Otusjava - ВКонтакте: https://otus.pw/850t - LinkedIn: https://otus.pw/yQwQ/ - Хабр: https://otus.pw/S0nM/